news 2026/5/1 5:16:13

学习日记day54

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
学习日记day54

Day54_0111

专注时间:55min

每日任务:饭后的休息(25min),学习间歇的休息(15min)都用手表计时器来监督

40min=二刷1道力扣hot100(如果是hard,只做一道就好完成情况及时长:55min);【学习资源:PyTorch官方文档:https://docs.pytorch.ac.cn/tutorials/beginner/basics/intro.html】1.5h=PyTorch工程实操(完成情况及时长:0把第二个pytorch网页的“局部禁用梯度计算”看懂,就去看第一个pytorch网页);1h=周志华机器学习(完成情况及时长:);1.5h+(claude的RL4LLM学习路径,时长:+)

学完机器学习,然后是深度学习。学完PyTorch,之后是Transformer与大模型架构(见Gemini3pro生成的阶段2)。学快一点。准备一个GitHub Repo把所有手撕过的算法整理进去,这会是最好的复习资料。

必须熟记的API、最简洁的GPT实现、带注释的Transformer实现、推荐系统模型库(包含主流模型实现)还有“Let's build GPT”系列学习视频见Claude的第20页。冰哥听讲座,老师说:GPT是最好的老师,不需要其他家教,清华学生智商120,GPT有140。多用大模型来帮助学习。

学习内容:休息了一天

总结与心得:出去玩了,感觉不错。

《230二叉搜索树中第K小的元素》

第一次学写:指定递归层数(终止递归)

# Definition for a binary tree node. # class TreeNode(object): # def __init__(self, val=0, left=None, right=None): # self.val = val # self.left = left # self.right = right class Solution(object): def kthSmallest(self, root, k): """ :type root: Optional[TreeNode] :type k: int :rtype: int """ stk = [] cur = root cnt = 0 while stk or cur: if cur: stk.append(cur) cur = cur.left else: cur = stk.pop() cnt += 1 if cnt == k: return cur.val cur = cur.right
# Definition for a binary tree node. # class TreeNode(object): # def __init__(self, val=0, left=None, right=None): # self.val = val # self.left = left # self.right = right class Solution(object): def kthSmallest(self, root, k): """ :type root: Optional[TreeNode] :type k: int :rtype: int """ #中序遍历(迭代/递归)得到的数据,输出第k-1个 #记录递归深度,迭代次数。到达第k次时候终止并输出 #递归的终止怎么写?学一下,之前不会 self.cnt = 0 self.res = None def dfs(root): if not root or self.res is not None: return dfs(root.left) self.cnt+=1 if self.cnt == k: self.res = root.val dfs(root.right) dfs(root) return self.res

《199二叉树的右视图》

天才!自己想出来然后自己debug出来了。

为什么一定要用deque() 而不是list:

# Definition for a binary tree node. # class TreeNode(object): # def __init__(self, val=0, left=None, right=None): # self.val = val # self.left = left # self.right = right class Solution(object): def rightSideView(self, root): """ :type root: Optional[TreeNode] :rtype: List[int] """ #观察到每层只有一个节点加入到答案中去 #层序遍历,每层的单个节点从栈pop出去,然后将其左右孩子入栈 #设置 rowstk 输出其栈头元素 if not root: return [] #层序遍历 que = deque() res = [] que.append(root) while que: size = len(que) res.append(que[-1].val) for _ in range(size): node = que.popleft() if node.left: que.append(node.left) if node.right: que.append(node.right) return res

灵茶山艾府题解:既然是找右视图,那就先递归右子树,然后再递归左子树。过程中:1怎么把答案记下来;2怎么判断当前节点要不要记录到答案中。解决办法:在递归的同时记录一个节点个数或者说递归深度,如果递归深度等于当前答案的长度,那么这个节点就到记录到答案中。这个方法很好,记忆随时翻出来看看。

# Definition for a binary tree node. # class TreeNode(object): # def __init__(self, val=0, left=None, right=None): # self.val = val # self.left = left # self.right = right class Solution(object): def rightSideView(self, root): """ :type root: Optional[TreeNode] :rtype: List[int] """ res = [] def dfs(node,depth): if not node: return if len(res) == depth: res.append(node.val) dfs(node.right,depth+1) dfs(node.left,depth+1) dfs(root,0) return res
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/23 15:20:41

提升AI响应精度:基于Qwen2.5-7B-Instruct的智能体开发

提升AI响应精度:基于Qwen2.5-7B-Instruct的智能体开发 引言:从模型能力到智能体落地的关键跃迁 在当前大模型应用快速发展的背景下,如何将强大的基础语言模型转化为具备实际业务价值的智能代理(Agent),已…

作者头像 李华
网站建设 2026/4/17 19:18:16

AI感知新工具:MiDaS深度估计模型使用教程

AI感知新工具:MiDaS深度估计模型使用教程 1. 引言:让AI“看见”三维世界 在计算机视觉领域,如何从一张普通的2D图像中还原出场景的3D空间结构,一直是极具挑战性的任务。传统方法依赖双目立体视觉或多传感器融合,而近…

作者头像 李华
网站建设 2026/4/30 19:17:32

几何|贪心

lc1266计算所有相邻点在横纵坐标上的位移绝对值的最大值累加得到按斜向移动规则遍历所有点的最短时间class Solution { public:int minTimeToVisitAllPoints(vector<vector<int>>& points) {int ret0;for(int i0;i<points.size()-1;i){retmax(abs(points[i]…

作者头像 李华
网站建设 2026/4/27 4:32:04

【开题答辩全过程】以 高校实验室安全管理系统设计与开发为例,包含答辩的问题和答案

个人简介一名14年经验的资深毕设内行人&#xff0c;语言擅长Java、php、微信小程序、Python、Golang、安卓Android等开发项目包括大数据、深度学习、网站、小程序、安卓、算法。平常会做一些项目定制化开发、代码讲解、答辩教学、文档编写、也懂一些降重方面的技巧。感谢大家的…

作者头像 李华
网站建设 2026/4/11 2:07:27

MiDaS小型模型推理技巧:提升精度的5个关键参数

MiDaS小型模型推理技巧&#xff1a;提升精度的5个关键参数 1. 引言&#xff1a;AI 单目深度估计 - MiDaS 在计算机视觉领域&#xff0c;从单张2D图像中恢复3D空间结构一直是极具挑战性的任务。传统方法依赖多视角几何或激光雷达等硬件支持&#xff0c;而近年来&#xff0c;深…

作者头像 李华
网站建设 2026/4/28 10:25:47

ResNet18避雷指南:云端GPU解决环境配置所有难题

ResNet18避雷指南&#xff1a;云端GPU解决环境配置所有难题 引言 作为一名研究生&#xff0c;复现论文结果时遇到ResNet18模型部署问题是不是让你头疼不已&#xff1f;实验室的共享GPU总是被占用&#xff0c;自己配环境又遇到各种报错&#xff0c;导师还在催着要结果&#xf…

作者头像 李华